WO2018146399A1 - Procédé de traitement d'images pour la détection d'un objet le long d'une route - Google Patents

Procédé de traitement d'images pour la détection d'un objet le long d'une route Download PDF

Info

Publication number
WO2018146399A1
WO2018146399A1 PCT/FR2018/050239 FR2018050239W WO2018146399A1 WO 2018146399 A1 WO2018146399 A1 WO 2018146399A1 FR 2018050239 W FR2018050239 W FR 2018050239W WO 2018146399 A1 WO2018146399 A1 WO 2018146399A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
vehicle
distance
kalman filter
error
Prior art date
Application number
PCT/FR2018/050239
Other languages
English (en)
Inventor
Laure Bajard
Thibault CARON
Lucien Garcia
Original Assignee
Continental Automotive France
Continental Automotive Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Continental Automotive France, Continental Automotive Gmbh filed Critical Continental Automotive France
Publication of WO2018146399A1 publication Critical patent/WO2018146399A1/fr

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Definitions

  • the invention relates to the field of assistance to driving and relates more specifically to an image processing method for the detection of an object from images captured by a camera embedded in a motor vehicle.
  • the invention makes it possible in particular to improve the estimation of the distance separating the vehicle from the object in order to allow better assistance to the driver.
  • the invention finds particular application in the detection of a traffic light placed along a road on which the vehicle is traveling.
  • Such a driver assistance system uses a camera, for example mounted in the upper part of the front windshield, which films the front of the vehicle and provides the images to an onboard computer that exploits them.
  • a known function of such a driver assistance system is to detect traffic lights, in particular to inform the driver when a traffic light is red and thus allow him to stop the vehicle.
  • the computer tracks the light areas appearing on the images acquired by the camera.
  • this distance is calculated using a Kalman filter based on a motion flow vector and an estimate of the camera's motion pattern.
  • the Kalman filter can reach a local minimum due to the low accuracy of the motion flow vector.
  • the imprecision of the camera's motion model further impacts the distance estimation by the Kalman filter whose error is then difficult to decorrelate.
  • the present invention aims to overcome these disadvantages by detecting an error introduced by the Kalman filter on the estimate of the distance to eliminate it.
  • the invention firstly relates to a method of processing a video stream of images captured by a camera embedded in a motor vehicle, said video stream of images being operated by a computer embedded in said vehicle for detecting an object in the vehicle environment and estimating the distance separating the vehicle from said object by applying a previously initialized Kalman filter to the region of the image representing the detected object.
  • the method, implemented by the computer is remarkable in that it comprises a step of selecting, in the video image stream, a first image and a second image, subsequent to the first image, a step of determining a quality indicator of the distance estimated by the Kalman filter from quantities relating to the object, calculated from the first image and the second image, a step of detecting an error of calculating the distance by the Kalman filter from said quality indicator and a step of resetting the Kalman filter when an error has been detected.
  • distance separating the vehicle from said object here means the distance remaining to be traveled by the vehicle in a straight line so that it reaches the height of the object.
  • the object is static.
  • the object may be a traffic light or a panel disposed along a road on which the vehicle rolls.
  • the quality indicator includes a measure of the quality of the Kalman filter and a measurement of the dimensions of the detected object from the first image and the second image to ensure that it corresponds to the expected object.
  • the quality measure is determined from the distance between the camera and the object calculated from the first image, the distance between the camera and the object calculated from the second image and the distance traveled by the vehicle between the moment of acquisition of the first image and the moment of acquisition of the second image.
  • the quality measure IF1 is determined according to the following equation:
  • ai-a 2 is the norm of the vector of displacement of the object between the two images
  • a 2 is the distance between the epipole and the object calculated from the second image
  • Aa 2 is the precision on the measurement of a 2 (where the epipole corresponds to the point of intersection between the line that passes through the optical centers of the two images and the image plane).
  • the Kalman filter is reset when the quality measurement IF1 reaches a predetermined threshold, for example 45%, and the dimensions of the object are not included in at least an interval of predetermined dimensions.
  • a predetermined threshold for example 45%
  • the size of the light disc (s) detected in the images is between 10 and 50 cm (standard size of a light disc of a traffic light). signaling as it appears on the images) and that the height of the fire from the ground is less than a threshold, for example 10 meters.
  • the quality indicator comprises an error measurement on the dimensions of the detected object.
  • the error measurement is determined from at least one dimension of the object measured from the first image, from at least said dimension of the object measured from the second image and the distance traveled by the vehicle between the moment of acquisition of the first image and the moment of acquisition of the second image.
  • the error measurement is determined from dimensions (called 3D) estimated from the Kalman filter and dimensions (called 2D) estimated from the first image and the second image.
  • the error measurement IF2 is determined according to the following equation:
  • kalman width is a dimension of the object estimated by the filter of
  • Kalman eg the radius of a luminous disc of the traffic light
  • 2D the dimension of the object measured in the second image
  • 3D the distance remaining to be traveled by the vehicle to reach the 'object
  • r t- i is the dimension considered on the object (for example the radius of a light disc lit on the traffic light) in the first image
  • n is the dimension considered on the object in the second image
  • T is the distance traveled by the vehicle between the moment of acquisition of the first image and the moment of acquisition of the second image.
  • the estimated size from the Kalman filter is obtained from n and the distance estimated by said filter.
  • the invention also relates to a motor vehicle comprising a camera, configured to capture a video stream of images representing the environment of the vehicle, and a computer configured to exploit said video stream of images to detect an object located in the environment of the vehicle and to estimate the distance separating the vehicle from said object by applying a Kalman filter, previously initialized, to the region of the image representing the detected object.
  • the vehicle is remarkable in that the computer is configured to select, in the video image stream, a first image and a second image, subsequent to the first image, to determine a quality indicator of the distance estimated by the image filter. Kalman from object-related magnitudes, calculated from the first image and the second image, to detect a calculation error of the distance by the Kalman filter from said quality indicator and to reset the filter of Kalman when an error has been detected.
  • the quality indicator includes a measure of the quality of the Kalman filter and a measurement of the dimensions of the detected object from the first image and the second image to ensure that it corresponds to the expected object.
  • the computer is configured to determine the quality measurement from the distance between the camera and the object calculated from the first image, from the distance between the camera and the object calculated from the second image and the distance traveled by the vehicle between the acquisition time of the first image and the acquisition time of the second image.
  • the computer is configured to determine the quality measurement IF1 according to the following equation:
  • ai-a 2 is the norm of the vector of displacement of the object between the two images
  • a 2 is the distance between the epipole and the object calculated from the second image
  • Aa 2 is the precision on the measurement of a 2 (where the epipole corresponds to the point of intersection between the line that passes through the optical centers of the two images and the image plane).
  • the computer is configured to reset the filter of
  • Kalman when the quality measurement IF1 reaches a predetermined threshold, for example 45%, and that the dimensions of the object are not included in at least an interval of predetermined dimensions.
  • a predetermined threshold for example 45%
  • the size of the light disc (s) detected in the images is between 10 and 50 cm (standard size of a light disc of a traffic light). signaling as it appears on the images) and that the height of the fire from the ground is lower than a threshold, for example 10 meters.
  • the quality indicator includes an error measurement on the dimensions of the detected object.
  • the computer is configured to determine the error measurement from at least one dimension of the object measured from the first image, from at least said dimension of the object measured from the second image and the distance traveled by the vehicle between the acquisition time of the first image and the acquisition time of the second image.
  • the computer is configured to determine the error measurement from dimensions (3D) estimated from the Kalman filter and dimensions (2D) estimated from the first image and the second image.
  • kalman width is a dimension of the object estimated by the filter of
  • Kalman eg the radius of a luminous disc of the traffic light
  • 2D the dimension of the object measured in the second image
  • 3D the distance remaining to be traveled by the vehicle to reach the 'object
  • r t- i is the dimension considered on the object (for example the radius of a light disc lit on the traffic light) in the first image
  • n is the dimension considered on the object in the second image
  • T is the distance traveled by the vehicle between the moment of acquisition of the first image and the moment of acquisition of the second image.
  • the estimated size from the Kalman filter is obtained from n and the distance estimated by said filter.
  • FIG. 1 schematically illustrates an embodiment of a motor vehicle according to the invention.
  • FIG. 2 illustrates an embodiment of the method according to the invention.
  • FIG. 3 illustrates a first mode of implementation of the method according to the invention.
  • FIG. 4 illustrates a second mode of implementation of the method according to the invention.
  • FIG. 1 diagrammatically shows a motor vehicle according to the invention.
  • the vehicle 1 comprises a video camera 10 and a computer 20 connected by a communication link L1 to said camera 10.
  • the camera 10 is preferably mounted on the upper part of the front windshield 1 A of the vehicle 1.
  • the camera 10 is configured to capture a video stream of images representing the environment 2 of the vehicle 1 and provide it to the computer 20.
  • the computer 20 is configured to exploit the video stream of images delivered by the camera 10 in order to detect an object situated in the field of the camera 10 and to estimate the distance D to be traveled by the vehicle 1 to reach said object by applying a Kalman filter, previously initialized, to the region of the image representing the detected object.
  • the object is a static object, for example disposed along the road 2A on which the vehicle 1 is traveling.
  • the object is a traffic light 3 but it goes without saying that the object could be different, for example a panel or other.
  • the distance D corresponds to the projection on the axis of movement of the vehicle (parallel to the road) of the real distance separating the camera 10 from the traffic light.
  • the distance D corresponds to the distance remaining to be traveled by the vehicle 1 to arrive at the level of the traffic light 3.
  • the Kalman filter gives the 3D measurements which separate the traffic light 3 from the camera 10. It will be noted that the computer 20 is preferably able to calculate other 3D values such as the length or the width of the traffic light 3 (data for example in meters or centimeters).
  • the computer 20 is configured to select, in the video stream of images captured by the camera 10, with reference to FIG. 3, a first image 11 and a second image 12, posterior to the first image 11, to determine a quality indicator of the distance D estimated by the Kalman filter from quantities relating to the traffic light 3 calculated from the first image 11 and the second image 12.
  • the quality indicator comprises a measurement of the quality of the Kalman filter and a measurement of the dimensions of the traffic light 3 in the first image 11 and in the second image 12 to ensure that the detected object is a traffic light 3.
  • the 2D measurements are made in the images 11, 12 and are in pixels (they may vary depending on the position of the camera 10 with respect to the traffic light 3). In practice, these measures vary little because the traffic light 3 does not change shape.
  • the computer 20 is configured to determine the quality measurement IF1 from the distance a1 between the epipole of the movement of the camera 10 and the traffic light 3 calculated from the first image 11, of the distance 2 between the epipole of the camera motion 10 and the traffic lights 3 calculated from the second image 12 and the distance T traveled by the vehicle 1 between the instant of acquisition of the first image 11 and moment of acquisition of the second image 12.
  • the calculator is configured to determine the following quality measure equation:
  • ai-a 2 is the norm of the vector of displacement of the object between the two images
  • a 2 is the distance between the epipole and the object calculated from the second image
  • Aa 2 is the precision on the measurement of a 2 (where the epipole corresponds to the point of intersection between the line that passes through the optical centers of the two images and the image plane).
  • the epipole is defined as being the point of intersection between the straight line that passes through the optical centers of the first image 11 and the second image 12 and the image plane (this definition being for example given in the document "Multiple View Geometry", Hartley).
  • the computer 20 is configured to reset the filter of
  • the quality indicator comprises an error measurement IF2 on the dimensions of the detected object.
  • the computer 20 is configured to determine the error measurement IF2 from a dimension of the traffic light 3, measured in both the first image 11 and in the second image 12, and the distance T traveled by the vehicle 1 between the acquisition time of the first image 11 and the acquisition time of the second image 12.
  • the computer 20 is configured to determine the error measurement IF2 from dimensions (3D) estimated from the Kalman filter and dimensions (2D) estimated from the first image 11 and the second image 12 .
  • the computer 20 is configured to determine the error measurement IF2 according to the following equation:
  • kalman width is a dimension of the object estimated by the filter of
  • Kalman for example the radius of a luminous disc of the traffic light
  • r t- i is the dimension considered on the object (for example the radius of a light disc lit on the traffic light) in the first image 11
  • n is the dimension considered on the object in the second image 12
  • T is the distance traveled by the vehicle 1 between the acquisition time of the first image 11 and the acquisition time of the second image 12.
  • the estimated size from the Kalman filter is obtained from n and the distance D estimated by said filter.
  • the camera 10 and the computer 20 are activated.
  • the computer 20 initializes the Kalman filter in a known manner, then the vehicle 1 begins to roll and the camera 10 films the environment 2 of the vehicle 1 and in particular the road 2A on which the vehicle 1 moves.
  • the images acquired by the camera 1 0 are transmitted in a step E1 to the computer 20 which exploits them in real time, in particular to detect the traffic lights 3 that may be along the road 2A taken by the vehicle 1.
  • This detection is performed in a known manner by the computer 20 from a Kalman filter.
  • the Kalman filter estimates the distance D separating the vehicle 1 from the traffic light 3 on the road 2A as illustrated in FIG. 3. In the example described here, it is considered that this estimate of the distance D is carried out in straight line and corresponds to the distance the vehicle must travel to reach the traffic light 3.
  • the computer 20 selects in the video image stream a first image 11 and a second image 12 in a step E2, the second image 12 being acquired after the first image 11 by the camera 10.
  • the computer 20 determines, in a step E3, a quality indicator of the distance D estimated by the Kalman filter from real quantities relating to the traffic light 3 calculated from the first image 11 and the second image 12.
  • the quality indicator comprises a measurement of the quality of the Kalman filter and a measurement of the dimensions of the traffic light 3 carried out respectively in the first image 11 and in the second image 12 to ensure that the detected object corresponds to traffic light 3.
  • the first image 11 and the second image 12 are preferably two consecutive or separated images of less than 60 ms.
  • the quality measurement IF1 is determined as follows.
  • ai-a 2 is the norm of the vector of movement of the traffic light 3 between the two images
  • a 2 is the distance between the epipole and the traffic light 3 calculated from the second image
  • T is the distance traveled by the vehicle 1 between the moment of acquisition of the first image 11 and the acquisition time of the second image 12.
  • ⁇ ⁇ ⁇ ⁇ ⁇ 2 + _ ⁇ _ ⁇ ⁇ (
  • the quality measure IF1 is then defined as:
  • This quality measurement IF1 here represents the quality of the triangulation made from the first image 11 and the second image 12 to calculate the distance D, the distances a 1 , a 2 and T being easy to determine from the first image and the second image and the speed of the vehicle 1, the value of which is continuously measured and which is easily accessible to the computer 20.
  • the Kalman filter functions well enough when the IF1 quality measure reaches a predetermined threshold of 45%.
  • the IF1 quality measure may indicate a high measurement quality while the Kalman filter is operating erroneously.
  • the computer 20 analyzes the 3D dimensions of the detected object measured by the Kalman filter in order to determine the probability that said object corresponds to the desired object, in this case at the traffic light 3. More precisely, it is verified that the dimensions of the traffic light 3 measured in the images are consistent with predetermined values to ensure that the detected object corresponds to a real traffic light 3.
  • the size of the light disc (s) detected on the images is between 10 and 50 cm (standard size of a light disc of a light signaling as it appears in the pictures) and that the height of the signaling light 3 from the ground is less than a threshold, for example 10 meters.
  • the calculator 20 detects this error (step E4) and then causes the filter to be reset (step E5) in order to restart it without the error in question.
  • the quality indicator comprises an error measurement IF2 on the dimensions of the object detected in the images 11, 12.
  • the time between the first image 11 and the second image 12 is preferably large, for example greater than 1800 ms so that the method is less sensitive to error.
  • the radius r of a light disc considered to be emitted by the signaling light 3 which is defined according to the following equation:
  • T is a 3D datum measured by the vehicle motion data and r t- i and n are 2D data respectively measured in the first image 11 and in the second image 12.
  • the error measurement IF2 is then determined according to the following equation:
  • jP2 ( scalable width- kalman wldth ⁇ ⁇
  • the kalman width of the traffic light 3 estimated by the Kalman filter is calculated as the product of the radius r t of the light disc lit on the traffic light 3 in the second image 12 by the estimated distance z k from the Kalman filter (where z k here corresponds to the distance remaining to be traveled by the vehicle 1 to reach the traffic light 3 in the camera mark):
  • Rk, and V k are respectively the rotation matrix and the motion vector of the world mark at the camera mark.
  • This measurement of error IF2 makes it possible to estimate the quality of the determination of the dimensions of the signaling light by the Kalman filter made from the first image 11 and the second image 12.
  • the distance estimated by the Kalman filter is erroneous because of an uncompensated error on which the filter is based.
  • the computer detects this error (step E4) and then causes the filter to be reset (step E5) in order to restart the algorithm without the error in question.
  • the determination of the error measurement IF2 is possible with any static object without knowledge of the dimensions of the object.
  • the present invention therefore advantageously makes it possible to determine an error in the operation of the Kalman filter in order to reset it to cancel this error, thus allowing a reliable and efficient operation of the vehicle assistance assistance system.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

La présente invention a pour objet un procédé de traitement d'un flux vidéo d'images capturées par une caméra embarquée dans un véhicule automobile et exploité par un calculateur embarqué dans ledit véhicule pour détecter un feu de signalisation et estimer la distance séparant le véhicule dudit feu de signalisation en appliquant un filtre de Kalman. Le procédé comprend une étape (E2) de sélection d'une première image et d'une deuxième image, une étape (E3) de détermination d'un indicateur de qualité de la distance estimée par le filtre de Kalman à partir de grandeurs relatives au feu de signalisation calculées à partir de la première image et de la deuxième image, une étape (E4) de détection d'une erreur de calcul de la distance par le filtre de Kalman à partir dudit indicateur de qualité et une étape (E5) de réinitialisation du filtre de Kalman lorsqu'une erreur a été détectée.

Description

Procédé de traitement d'images pour la détection d'un objet le long d'une route
L'invention se rapporte au domaine de l'assistance à la conduite automobile et concerne plus précisément un procédé de traitement d'images pour la détection d'un objet à partir d'images capturées par une caméra embarquée dans un véhicule automobile.
L'invention permet notamment d'améliorer l'estimation de la distance séparant le véhicule de l'objet afin de permettre une meilleure assistance au conducteur. L'invention trouve en particulier son application dans la détection d'un feu de signalisation placé le long d'une route sur laquelle circule le véhicule.
De nos jours, les véhicules automobiles utilisent de manière connue des systèmes d'aide à la conduite afin d'assister le conducteur dans ses manœuvres, rendant ainsi la conduite plus aisée et sécurisée.
Un tel système d'aide à la conduite utilise une caméra, par exemple montée dans la partie haute du pare-brise avant, qui filme l'avant du véhicule et fournit les images à un calculateur embarqué qui les exploite.
Une fonction connue d'un tel système d'aide à la conduite consiste à détecter les feux de signalisation, notamment pour informer le conducteur lorsqu'un feu de signalisation est rouge et lui permettre ainsi de stopper le véhicule.
En pratique, pour réaliser cette détection, le calculateur réalise un suivi des zones lumineuses apparaissant sur les images acquises par la caméra.
Une telle détection doit être réalisée suffisamment tôt pour permettre au conducteur de stopper le véhicule et il est donc nécessaire de déterminer avec précision la distance à parcourir par le véhicule avant de se trouver en regard du feu.
Dans une solution connue, cette distance est calculée en utilisant un filtre de Kalman basé sur un vecteur de flux de mouvement et une estimation du modèle de mouvement de la caméra.
Lorsque le feu de signalisation est détecté à grande distance, par exemple plus de 80 mètres, le filtre de Kalman peut atteindre un minimum local du fait de la faible précision du vecteur de flux de mouvement. Dans ce cas, l'imprécision du modèle de mouvement de la caméra impacte davantage l'estimation de la distance par le filtre de Kalman dont l'erreur se trouve alors difficile à dé-corréler.
La présente invention a pour but de remédier à ces inconvénients en détectant une erreur introduite par le filtre de Kalman sur l'estimation de la distance afin de l'éliminer.
A cette fin, l'invention a tout d'abord pour objet un procédé de traitement d'un flux vidéo d'images capturées par une caméra embarquée dans un véhicule automobile, ledit flux vidéo d'images étant exploité par un calculateur embarqué dans ledit véhicule pour détecter un objet situé dans l'environnement du véhicule et estimer la distance séparant le véhicule dudit objet en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet détecté.
Le procédé, mis en œuvre par le calculateur, est remarquable en ce qu'il comprend une étape de sélection, dans le flux vidéo d'images, d'une première image et d'une deuxième image, postérieure à la première image, une étape de détermination d'un indicateur de qualité de la distance estimée par le filtre de Kalman à partir de grandeurs relatives à l'objet, calculées à partir de la première image et de la deuxième image, une étape de détection d'une erreur de calcul de la distance par le filtre de Kalman à partir dudit indicateur de qualité et une étape de réinitialisation du filtre de Kalman lorsqu'une erreur a été détectée.
Par les termes « distance séparant le véhicule dudit objet », on entend ici la distance restant à parcourir par le véhicule en ligne droite afin qu'il arrive à la hauteur de l'objet.
L'utilisation d'un indicateur de qualité sur l'estimation de la distance faite par le filtre de Kalman à partir de grandeurs relatives à l'objet permet de déterminer de manière aisée et efficace l'existence d'une erreur dans les calculs du filtre. Une fois cette erreur détectée, la réinitialisation du filtre permet de supprimer cette erreur afin de permettre une assistance à la conduite fiable et sécurisée.
De préférence, l'objet est statique. A titre d'exemple, l'objet peut être un feu de signalisation ou un panneau disposé le long d'une route sur laquelle roule le véhicule.
Dans un premier mode de réalisation, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions de l'objet détecté à partir de la première image et de la deuxième image afin de s'assurer qu'il correspond à l'objet attendu.
De préférence, la mesure de qualité est déterminée à partir de la distance entre la caméra et l'objet calculée à partir de la première image, de la distance entre la caméra et l'objet calculée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.
Avantageusement, la mesure de qualité IF1 est déterminée selon l'équation suivante :
IF1 = 11 - Aa2 X (- - +—) ) X 100
\ \\a1 - a2 \ a2J J
où |ai-a2| est la norme du vecteur de déplacement de l'objet entre les deux images, a2 est la distance entre l'épipôle et l'objet calculée à partir de la deuxième image et Aa2 est la précision sur la mesure de a2 (où l'épipôle correspond au point d'intersection entre la droite qui passe par les centres optiques des deux images et le plan image).
Avantageusement, le filtre de Kalman est réinitialisé lorsque la mesure de qualité IF1 atteint un seuil prédéterminé, par exemple 45%, et que les dimensions de l'objet ne sont pas comprises dans au moins un intervalle de dimensions prédéterminées. Par exemple, dans le cas d'un feu de signalisation, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu depuis le sol est inférieure à un seuil, par exemple 10 mètres.
Dans un deuxième mode de réalisation, l'indicateur de qualité comprend une mesure d'erreur sur les dimensions de l'objet détecté.
De préférence, la mesure d'erreur est déterminée à partir d'au moins une dimension de l'objet mesurée à partir de la première image, à partir d'au moins ladite dimension de l'objet mesurée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.
De manière avantageuse, la mesure d'erreur est déterminée à partir de dimensions (dites 3D) estimées à partir du filtre de Kalman et de dimensions (dites 2D) estimées à partir de la première image et de la deuxième image.
Avantageusement, la mesure d'erreur IF2 est déterminée selon l'équation suivante :
IF2 = /scalablewidth - kalmanwidth
\ scalablewidth )
où kalmanwidth correspond à une dimension de l'objet estimée par le filtre de
Kalman (par exemple le rayon d'un disque lumineux du feu de signalisation) et est obtenu en utilisant la dimension (2D) de l'objet mesurée dans la deuxième image et la distance (3D) restant à parcourir par le véhicule pour atteindre l'objet, estimés à partir du filtre de Kalman,
et scalablewidth = ^^_T rt)
où rt-i est la dimension considérée sur l'objet (par exemple le rayon d'un disque lumineux allumé sur le feu de signalisation) dans la première image, n est la dimension considérée sur l'objet dans la deuxième image et T est la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image. La taille estimée à partir du filtre de Kalman s'obtient à partir de n et de la distance estimée par ledit filtre. L'invention concerne également un véhicule automobile comprenant une caméra, configurée pour capturer un flux vidéo d'images représentant l'environnement du véhicule, et un calculateur configuré pour exploiter ledit flux vidéo d'images afin de détecter un objet situé dans l'environnement du véhicule et d'estimer la distance séparant le véhicule dudit objet en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet détecté.
Le véhicule est remarquable en ce que le calculateur est configuré pour sélectionner, dans le flux vidéo d'images, une première image et une deuxième image, postérieure à la première image, pour déterminer un indicateur de qualité de la distance estimée par le filtre de Kalman à partir de grandeurs relatives à l'objet, calculées à partir de la première image et de la deuxième image, pour détecter une erreur de calcul de la distance par le filtre de Kalman à partir dudit indicateur de qualité et pour réinitialiser le filtre de Kalman lorsqu'une erreur a été détectée.
Dans une première forme de réalisation, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions de l'objet détecté à partir de la première image et de la deuxième image afin de s'assurer qu'il correspond à l'objet attendu.
De préférence, le calculateur est configuré pour déterminer la mesure de qualité à partir de la distance entre la caméra et l'objet calculée à partir de la première image, de la distance entre la caméra et l'objet calculée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.
Avantageusement, le calculateur est configuré pour déterminer la mesure de qualité IF1 selon l'équation suivante :
Figure imgf000006_0001
où |ai-a2| est la norme du vecteur de déplacement de l'objet entre les deux images, a2 est la distance entre l'épipôle et l'objet calculée à partir de la deuxième image et Aa2 est la précision sur la mesure de a2 (où l'épipôle correspond au point d'intersection entre la droite qui passe par les centres optiques des deux images et le plan image).
Avantageusement, le calculateur est configuré pour réinitialiser le filtre de
Kalman lorsque la mesure de qualité IF1 atteint un seuil prédéterminé, par exemple 45%, et que les dimensions de l'objet ne sont pas comprises dans au moins un intervalle de dimensions prédéterminées. Par exemple, dans le cas d'un feu de signalisation, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu depuis le sol est inférieure à un seuil, par exemple 10 mètres.
Dans une deuxième forme de réalisation, l'indicateur de qualité comprend une mesure d'erreur sur les dimensions de l'objet détecté.
De préférence, le calculateur est configuré pour déterminer la mesure d'erreur à partir d'au moins une dimension de l'objet mesurée à partir de la première image, à partir d'au moins ladite dimension de l'objet mesurée à partir de la deuxième image et de la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.
De manière avantageuse, le calculateur est configuré pour déterminer la mesure d'erreur à partir de dimensions (3D) estimées à partir du filtre de Kalman et de dimensions (2D) estimées à partir de la première image et de la deuxième image.
Avantageusement, le calculateur est configuré pour déterminer la mesure d'erreur IF2 selon l'équation suivante : ÎF2 = [ x lOO
V scalablewidth )
où kalmanwidth correspond à une dimension de l'objet estimée par le filtre de
Kalman (par exemple le rayon d'un disque lumineux du feu de signalisation) et est obtenu en utilisant la dimension (2D) de l'objet mesurée dans la deuxième image et la distance (3D) restant à parcourir par le véhicule pour atteindre l'objet, estimés à partir du filtre de Kalman,
et scalablewidth = ^^_T rt)
où rt-i est la dimension considérée sur l'objet (par exemple le rayon d'un disque lumineux allumé sur le feu de signalisation) dans la première image, n est la dimension considérée sur l'objet dans la deuxième image et T est la distance parcourue par le véhicule entre l'instant d'acquisition de la première image et l'instant d'acquisition de la deuxième image.
La taille estimée à partir du filtre de Kalman s'obtient à partir de n et de la distance estimée par ledit filtre.
D'autres caractéristiques et avantages de l'invention apparaîtront lors de la description qui suit faite en regard des figures annexées données à titre d'exemples non limitatifs et dans lesquelles des références identiques sont données à des objets semblables.
- La figure 1 illustre schématiquement une forme de réalisation d'un véhicule automobile selon l'invention.
La figure 2 illustre un mode de réalisation du procédé selon l'invention. - La figure 3 illustre un premier mode de mise en œuvre du procédé selon l'invention.
La figure 4 illustre un deuxième mode de mise en œuvre du procédé selon l'invention.
On a représenté schématiquement à la figure 1 un véhicule automobile selon l'invention. Le véhicule 1 comprend une caméra 10 vidéo et un calculateur 20 relié par un lien de communication L1 à ladite caméra 10.
La caméra 10 est de préférence montée sur la partie supérieure du pare-brise avant 1 A du véhicule 1 . La caméra 10 est configurée pour capturer un flux vidéo d'images représentant l'environnement 2 du véhicule 1 et le fournir au calculateur 20.
Le calculateur 20 est configuré pour exploiter le flux vidéo d'images délivré par la caméra 10 afin de détecter un objet situé dans le champ de la caméra 10 et d'estimer la distance D à parcourir par le véhicule 1 pour atteindre ledit objet en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet détecté. De préférence, l'objet est un objet statique, par exemple disposé le long de la route 2A sur laquelle circule le véhicule 1 . Dans l'exemple non limitatif ci-après, l'objet est un feu de signalisation 3 mais il va de soi que l'objet pourrait être différent, par exemple un panneau ou autre.
Comme illustré à la figure 3, on notera que la distance D correspond à la projection sur l'axe de déplacement du véhicule (parallèle à la route) de la distance réelle séparant la caméra 10 du feu de signalisation 3. Autrement dit, la distance D correspond à la distance restant à parcourir par le véhicule 1 pour arriver au niveau du feu de signalisation 3.
La détection du feu de signalisation 3 et l'estimation de la distance D séparant le véhicule 1 dudit feu de signalisation 3 à partir d'un filtre de Kalman étant connues en soi, elles ne seront pas davantage détaillées ici.
Le filtre de Kalman donne les mesures 3D qui séparent le feu de signalisation 3 de la caméra 10. On notera que le calculateur 20 est de préférence apte à calculer d'autres valeurs 3D comme la longueur ou la largeur du feu de signalisation 3 (données par exemple en mètres ou en centimètres).
Selon l'invention, le calculateur 20 est configuré pour sélectionner, dans le flux vidéo d'images capturé par la caméra 10, en référence à la figure 3, une première image 11 et une deuxième image 12, postérieure à la première image 11 , afin de déterminer un indicateur de qualité de la distance D estimée par le filtre de Kalman à partir de grandeurs relatives au feu de signalisation 3 calculées à partir de la première image 11 et de la deuxième image 12. On notera sur la figure 3 que f correspond à la focale de la caméra 10. Dans une première forme de réalisation, en référence à la figure 3, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions du feu de signalisation 3 dans la première image 11 et dans la deuxième image 12 afin de s'assurer que l'objet détecté est bien un feu de signalisation 3.
Les mesures 2D sont réalisées dans les images 11 , 12 et sont en pixel (elles peuvent varier en fonction de la position de la caméra 10 par rapport au feu de signalisation 3). En pratique, ces mesures varient peu car le feu de signalisation 3 ne change pas de forme.
De manière préférée, le calculateur 20 est configuré pour déterminer la mesure de qualité IF1 à partir de la distance a1 entre l'épipôle du mouvement de la caméra 10 et le feu de signalisation 3 calculée à partir de la première image 11 , de la distance a2 entre l'épipôle du mouvement de la caméra 10 et le feu de signalisation 3 calculée à partir de la deuxième image 12 et de la distance T parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12.
Plus précisément, dans cet exemple, le calculateur est configuré pour déterminer la mesure de qualit 'équation suivante :
IF1 = X 100
Figure imgf000009_0001
où |ai-a2| est la norme du vecteur de déplacement de l'objet entre les deux images, a2 est la distance entre l'épipôle et l'objet calculée à partir de la deuxième image et Aa2 est la précision sur la mesure de a2 (où l'épipôle correspond au point d'intersection entre la droite qui passe par les centres optiques des deux images et le plan image).
De manière connue, l'épipôle est défini comme étant le point d'intersection entre la droite qui passe par les centres optiques de la première image 11 et de la deuxième image 12 et le plan image (cette définition étant par exemple donnée dans le document « Multiple View Geometry », Hartley).
De préférence, le calculateur 20 est configuré pour réinitialiser le filtre de
Kalman lorsque la mesure de qualité IF1 atteint un seuil prédéterminé, par exemple 45%, et que les dimensions de l'objet ne sont pas comprises dans au moins un intervalle de dimensions prédéterminées. Par exemple, dans le cas d'un feu de signalisation 3, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu depuis le sol est inférieure à un seuil, par exemple 10 mètres. Dans une deuxième forme de réalisation, en référence à la figure 4, l'indicateur de qualité comprend une mesure d'erreur IF2 sur les dimensions de l'objet détecté.
Dans cet exemple préféré, le calculateur 20 est configuré pour déterminer la mesure d'erreur IF2 à partir d'une dimension du feu de signalisation 3, mesurée à la fois dans la première image 11 et dans la deuxième image 12, et de la distance T parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12.
Plus précisément, le calculateur 20 est configuré pour déterminer la mesure d'erreur IF2 à partir de dimensions (3D) estimées à partir du filtre de Kalman et de dimensions (2D) estimées à partir de la première image 11 et de la deuxième image 12.
Dans cet exemple préféré, le calculateur 20 est configuré pour déterminer la mesure d'erreur IF2 selon l'équation suivante :
Figure imgf000010_0001
où kalmanwidth correspond à une dimension de l'objet estimée par le filtre de
Kalman (par exemple le rayon d'un disque lumineux du feu de signalisation) et est obtenu en utilisant la dimension (en 2D) de l'objet mesurée dans la deuxième image 12 et la distance D (en 3D) restant à parcourir par le véhicule pour atteindre l'objet, estimés à partir du filtre de Kalman,
t_! t T
et scalable, width abs(rt→-rt)
où rt-i est la dimension considérée sur l'objet (par exemple le rayon d'un disque lumineux allumé sur le feu de signalisation) dans la première image 11 , n est la dimension considérée sur l'objet dans la deuxième image 12 et T est la distance parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12. La taille estimée à partir du filtre de Kalman s'obtient à partir de n et de la distance D estimée par ledit filtre.
L'invention va maintenant être présentée dans deux modes de mise en œuvre en référence aux figures 2 à 4.
Tout d'abord, lorsque le réseau électrique du véhicule 1 est mis sous tension, la caméra 10 et le calculateur 20 sont activés. En particulier, le calculateur 20 initialise le filtre de Kalman de manière connue, puis le véhicule 1 se met à rouler et la caméra 10 filme l'environnement 2 du véhicule 1 et notamment la route 2A sur laquelle se déplace le véhicule 1 . Les images acquises par la caméra 1 0 sont transmises dans une étape E1 au calculateur 20 qui les exploite en temps réel, afin notamment de détecter les feux de signalisation 3 pouvant se trouver le long de la route 2A empruntée par le véhicule 1 .
Cette détection est réalisée de manière connue par le calculateur 20 à partir d'un filtre de Kalman. Pour cela, le filtre de Kalman estime la distance D séparant le véhicule 1 du feu de signalisation 3 sur la route 2A comme illustré à la figure 3. Dans l'exemple décrit ici, on considère que cette estimation de la distance D est réalisée en ligne droite et correspond à la distance que doit parcourir le véhicule pour arriver au niveau du feu de signalisation 3.
Lorsqu'un feu de signalisation s est détecté, le calculateur 20 sélectionne dans le flux vidéo d'images une première image 11 et une deuxième image 12 dans une étape E2, la deuxième image 12 étant acquise postérieurement à la première image 11 par la caméra 10.
A partir de ces deux images 11 , 12, le calculateur 20 détermine ensuite, dans une étape E3, un indicateur de qualité de la distance D estimée par le filtre de Kalman à partir de grandeurs réelles relatives au feu de signalisation 3 calculées à partir de la première image 11 et de la deuxième image 12.
Dans une première forme de réalisation, l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions du feu de signalisation 3 réalisée respectivement dans la première image 11 et dans la deuxième image 12 afin de s'assurer que l'objet détecté correspond bien au feu de signalisation 3.
Dans cette première forme de réalisation, la première image 11 et la deuxième image 12 sont de préférence deux images consécutives ou séparées de moins de 60 ms.
De manière préférée, en référence à la figure 3, la mesure de qualité IF1 est déterminée de la façon suivante.
Tout d'abord, on définit la distance D selon l'équation suivante :
Figure imgf000011_0001
où |ai-a2| est la norme du vecteur de déplacement du feu de signalisation 3 entre les deux images, a2 est la distance entre l'épipôle et le feu de signalisation 3 calculée à partir de la deuxième image et T est la distance parcourue par le véhicule 1 entre l'instant d'acquisition de la première image 11 et l'instant d'acquisition de la deuxième image 12.
Puis, on calcule la différence AD de distance entre la première image 11 et la deuxième image 12 en dérivant de cette équation :
Δβ = ^ χ ΔΩ2 + _^_ χ Δ (| Ωι _ Ω2 |) + χ ΔΓ (2)
En supposant que l'erreur sur T est nulle (ΔΤ = 0), on obtient : Δβ = ^ χ Δ¾ + ^Γ¾ χ Δ^ - ¾ ΐ) 0) où Aa2 représente la précision sur la mesure de a2.
En divisant la différence AD par la distance D et en supposant que l'erreur sur la norme du vecteur est égale à l'erreur sur a2 (A(|ai-a2|) = Aa2), on obtient :
D V|ai-a2 l ¾
On définit alors la mesure de qualité IF1 comme étant :
/Fl = (l - ^) x l00 (5)
Cette mesure de qualité IF1 représente ici la qualité de la triangulation réalisée à partir de la première image 11 et de la deuxième image 12 pour calculer la distance D, les distances ai , a2 et T étant aisées à déterminer à partir de la première image et de la deuxième image ainsi que la vitesse du véhicule 1 , dont la valeur est mesurée en permanence et qui est aisément accessible au calculateur 20.
On considère dans cet exemple préféré que le filtre de Kalman fonctionne suffisamment bien lorsque la mesure de qualité IF1 atteint un seuil prédéterminé de 45%.
Toutefois, dans certaines situations où le filtre de Kalman tombe dans des minimums locaux, la mesure de qualité IF1 peut indiquer une qualité de mesure élevée alors que le filtre de Kalman fonctionne de manière erronée.
Dans ce cas, le calculateur 20 analyse les dimensions 3D de l'objet détecté mesurées grâce au filtre de Kalman afin de déterminer la probabilité que ledit objet corresponde à l'objet souhaité, en l'occurrence au feu de signalisation 3. Plus précisément, on vérifie que les dimensions du feu de signalisation 3 mesurées dans les images soient cohérentes avec des valeurs prédéterminées pour s'assurer que l'objet détecté correspond bien à un feu de signalisation 3 réel.
De préférence, dans le cas d'un feu de signalisation 3, on peut s'assurer que la taille du ou des disques lumineux détecté sur les images est comprise entre 10 et 50 cm (taille standard d'un disque lumineux d'un feu de signalisation tel qu'il apparaît sur les images) et que la hauteur du feu de signalisation 3 depuis le sol est inférieure à un seuil, par exemple 10 mètres.
Lorsque la mesure de qualité IF1 est supérieure au seul prédéterminée mais que les dimensions 3D de l'objet détecté mesurées grâce au filtre de Kalman ne correspondent pas à celles de l'objet attendu (i.e. du feu de signalisation 3 dans cet exemple), le calculateur 20 détecte cette erreur (étape E4) et provoque alors la réinitialisation du filtre (étape E5) afin de le redémarrer sans l'erreur en question.
Dans une deuxième forme de réalisation, l'indicateur de qualité comprend une mesure d'erreur IF2 sur les dimensions de l'objet détecté dans les images 11 , 12. Dans cette deuxième forme de réalisation, le temps qui sépare la première image 11 et la deuxième image 12 est de préférence important, par exemple supérieur à 1800 ms pour que le procédé soit moins sensible à l'erreur.
De préférence, on considère le rayon r d'un disque lumineux considéré comme étant émis par le feu de signalisation 3, que l'on définit selon l'équation suivante :
scalablewidth = (6)
Où T est une donnée 3D mesurée grâce aux données de mouvement du véhicule et rt-i et n sont des données 2D mesurées respectivement dans la première image 11 et dans la deuxième image 12.
La mesure d'erreur IF2 est alors déterminée selon l'équation suivante :
jP2 = ( scalablewidth- kalmanwldth\ χ
V scalablewidth )
Dans cet exemple, on calcule le diamètre kalmanwidth du feu de signalisation 3 estimé par le filtre de Kalman comme étant le produit du rayon rt du disque lumineux allumé sur le feu de signalisation 3 dans la deuxième image 12 par la distance zk estimés à partir du filtre de Kalman (où zk correspond ici à la distance restant à parcourir par le véhicule 1 pour atteindre le feu de signalisation 3 dans le repère caméra) :
kalmanwidth = rt x zk (8)
Pour ce faire, on détermine tout d'abord zk en posant :
(xk\ xw\
yk ) = Rk x [ yw ) + Vk (9)
¾ / \zw/
qui correspond au passage du repère monde au repère caméra où :
* Xw, yw, Zw sont les positions 3D estimées par le filtre de Kalman dans le repère monde, et
• Rk, et Vk sont respectivement la matrice de rotation et le vecteur de mouvement du repère monde au repère caméra.
Cette mesure d'erreur IF2 permet d'estimer la qualité de la détermination des dimensions du feu de signalisation par le filtre de Kalman réalisée à partir de la première image 11 et de la deuxième image 12.
De manière préférée, on considère que lorsque la mesure d'erreur IF2 dépasse 25%, la distance estimée par le filtre de Kalman est erronée du fait d'une erreur non compensée sur laquelle se base le filtre.
Dans ce cas, le calculateur détecte cette erreur (étape E4) et provoque alors la réinitialisation du filtre (étape E5) afin de redémarrer l'algorithme sans l'erreur en question. Dans cette deuxième forme de réalisation, la détermination de la mesure d'erreur IF2 est possible avec n'importe quel objet statique sans avoir connaissance des dimensions de l'objet.
La présente invention permet donc avantageusement de déterminer une erreur dans le fonctionnement du filtre de Kalman afin de le réinitialiser pour annuler cette erreur, permettant alors un fonctionnement fiable et efficace du système d'assistance à la conduite du véhicule.

Claims

REVENDICATIONS
1. Procédé de traitement d'un flux vidéo d'images capturées par une caméra (10) embarquée dans un véhicule (1 ) automobile, ledit flux vidéo d'images étant exploité par un calculateur (20) embarqué dans ledit véhicule (1 ) pour détecter un objet (3) situé dans l'environnement du véhicule (1 ) et estimer la distance (D) séparant le véhicule (1 ) dudit objet (3) en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet (3) détecté, ledit procédé, mis en œuvre par le calculateur (20), étant caractérisé en ce qu'il comprend :
• une étape (E2) de sélection, dans le flux vidéo d'images, d'une première image (11 ) et d'une deuxième image (12), postérieure à la première image (11 ), · une étape (E3) de détermination d'un indicateur de qualité de la distance (D) estimée par le filtre de Kalman à partir de grandeurs relatives à l'objet (3), calculées à partir de la première image (11 ) et de la deuxième image (12),
• une étape (E4) de détection d'une erreur de calcul de la distance (D) par le filtre de Kalman à partir dudit indicateur de qualité, et
· une étape (E5) de réinitialisation du filtre de Kalman lorsqu'une erreur a été détectée.
2. Procédé selon la revendication 1 , dans lequel l'indicateur de qualité comprend une mesure de la qualité du filtre de Kalman et une mesure des dimensions de l'objet (3) détecté à partir de la première image (11 ) et de la deuxième image (12).
3. Procédé selon la revendication précédente, dans lequel la mesure de qualité (IF1 ) est déterminée selon l'équation suivante :
1 1
IF1 = I 1 - Δ 7 x I +— ) I x 100 où |ai-a2| est la norme du vecteur de déplacement de l'objet (3) entre les deux images, a2 est la distance entre l'épipôle et l'objet (3) calculée à partir de la deuxième image et Aa2 est la précision sur la mesure de a2.
4. Procédé selon la revendication 1 , dans lequel l'indicateur de qualité (IF2) comprend une mesure d'erreur sur les dimensions de l'objet (3) détecté.
5. Procédé selon la revendication précédente, dans lequel la mesure d'erreur (IF2) est déterminée selon l'équation suivante : ÎF2 = [ X 100
V scalablewidth )
où kalmanwidth correspond à une dimension de l'objet estimée par le filtre de
Kalman et est obtenu en utilisant la dimension de l'objet (3) mesurée dans la deuxième image (I2) et la distance restant à parcourir par le véhicule pour atteindre l'objet (3), estimés à partir du filtre de Kalman,
et scalablewidth = ^^_T rt)
où rt-i est la dimension considérée sur l'objet (3) dans la première image (11 ), n est la dimension considérée sur l'objet (3) dans la deuxième image (12) et T est la distance parcourue par le véhicule (1 ) entre l'instant d'acquisition de la première image (11 ) et l'instant d'acquisition de la deuxième image (12).
6. Véhicule (1 ) automobile comprenant une caméra (10), configurée pour capturer un flux vidéo d'images représentant l'environnement du véhicule (1 ), et un calculateur (20) configuré pour exploiter ledit flux vidéo d'images afin de détecter un objet (3) situé dans l'environnement (2) du véhicule (1 ) et d'estimer la distance (D) séparant le véhicule (1 ) dudit objet (3) en appliquant un filtre de Kalman, préalablement initialisé, à la région de l'image représentant l'objet (3) détecté, ledit véhicule (1 ) étant caractérisé en ce que le calculateur (20) est configuré pour :
· sélectionner, dans le flux vidéo d'images, une première image (11 ) et une deuxième image (12), postérieure à la première image (11 ),
• déterminer un indicateur de qualité de la distance (D) estimée par le filtre de Kalman à partir de grandeurs relatives à l'objet (3), calculées à partir de la première image (11 ) et de la deuxième image (12),
· détecter une erreur de calcul de la distance (D) par le filtre de Kalman à partir dudit indicateur de qualité, et
• réinitialiser le filtre de Kalman lorsqu'une erreur a été détectée.
7. Véhicule (1 ) selon la revendication précédente, dans lequel l'indicateur de qualité comprend une mesure de la qualité (IF1 ) du filtre de Kalman et une mesure des dimensions de l'objet (3) détecté à partir de la première image (11 ) et de la deuxième image (12).
8. Véhicule (1 ) selon la revendication précédente, dans lequel la mesure de qualité (IF1 ) est déterminée selon l'équation suivante :
Figure imgf000016_0001
où |ai-a2| est la norme du vecteur de déplacement de l'objet (3) entre les deux images, a2 est la distance entre l'épipôle et l'objet (3) calculée à partir de la deuxième image et Aa2 est la précision sur la mesure de a2.
9. Véhicule (1 ) selon la revendication 6, dans lequel l'indicateur de qualité comprend une mesure d'erreur (IF2) sur les dimensions de l'objet (3) détecté.
10. Véhicule selon la revendication précédente, dans lequel la mesure d'erreur (IF2) est déterminée selon l'équation suivante :
^scalablewidth - kalmanwidth
IF2 = I —— X 100
scalablewidth )
où kalmanwidth correspond à une dimension de l'objet estimée par le filtre de Kalman et est obtenu en utilisant la dimension de l'objet (3) mesurée dans la deuxième image (12) et la distance restant à parcourir par le véhicule pour atteindre l'objet (3), estimés à partir du filtre de Kalman,
et scalablewidth = ^^_T rt)
où rt-i est la dimension considérée sur l'objet (3) dans la première image (11 ), n est la dimension considérée sur l'objet (3) dans la deuxième image (12) et T est la distance parcourue par le véhicule (1 ) entre l'instant d'acquisition de la première image (11 ) et l'instant d'acquisition de la deuxième image (12).
PCT/FR2018/050239 2017-02-10 2018-02-01 Procédé de traitement d'images pour la détection d'un objet le long d'une route WO2018146399A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1751123A FR3062943B1 (fr) 2017-02-10 2017-02-10 Procede de traitement d'images pour la detection d'un objet le long d'une route
FR1751123 2017-02-10

Publications (1)

Publication Number Publication Date
WO2018146399A1 true WO2018146399A1 (fr) 2018-08-16

Family

ID=58501709

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/FR2018/050239 WO2018146399A1 (fr) 2017-02-10 2018-02-01 Procédé de traitement d'images pour la détection d'un objet le long d'une route

Country Status (2)

Country Link
FR (1) FR3062943B1 (fr)
WO (1) WO2018146399A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0820040A2 (fr) * 1996-07-17 1998-01-21 Raytheon TI Systems, Inc. Estimation passive de distance utilisant des mesures de taille

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0820040A2 (fr) * 1996-07-17 1998-01-21 Raytheon TI Systems, Inc. Estimation passive de distance utilisant des mesures de taille

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
AMIR SALARPOUR ET AL: "Vehicle Tracking Using Kalman Filter and Features", SIGNAL AND IMAGE PROCESSING: AN INTERNATIONAL JOURNAL, vol. 2, no. 2, 30 June 2011 (2011-06-30), IN, pages 1 - 8, XP055393058 *
ANONYMOUS: "Kalman filter for object tracking - MATLAB - MathWorks Deutschland", 11 April 2016 (2016-04-11), XP055393069, Retrieved from the Internet <URL:https://web.archive.org/web/20160411052715/https://de.mathworks.com/help/vision/ref/vision.kalmanfilter-class.html> [retrieved on 20170721] *
FRANK DELLAERT ET AL: "Robust car tracking using Kalman filtering and Bayesian templates", SPIE VOL. 3207, 27 January 1998 (1998-01-27), pages 72 - 84, XP055299181, Retrieved from the Internet <URL:http://proceedings.spiedigitallibrary.org/proceeding.aspx?articleid=932074> [retrieved on 20160901] *
WALTER LUCETTI: "[Tutorial OpenCV] "Ball Tracker" using Kalman filter", 3 April 2015 (2015-04-03), www.robot-home.it, XP055393052, Retrieved from the Internet <URL:http://www.robot-home.it/blog/en/software/ball-tracker-con-filtro-di-kalman/> [retrieved on 20170721] *

Also Published As

Publication number Publication date
FR3062943A1 (fr) 2018-08-17
FR3062943B1 (fr) 2019-03-15

Similar Documents

Publication Publication Date Title
US11587374B2 (en) Systems and methods for capturing and offloading different information based on event trigger type
FR3049560B1 (fr) Procede et systeme d&#39;assistance au changement de voie de roulage pour vehicule automobile
US20150332100A1 (en) Moving Object Location/Attitude Angle Estimation Device and Moving Object Location/Attitude Angle Estimation Method
US20190362512A1 (en) Method and Apparatus for Estimating a Range of a Moving Object
EP2043044B1 (fr) Procédé et dispositif d&#39;assistance au parcage d&#39;un véhicule automobile
FR3046769A1 (fr) Procede et systeme d&#39;assistance au changement de voie de roulage pour vehicule automobile
FR2835911A1 (fr) Procede de determination de la distance de visisbilite et procede de determination de la presence d&#39;un brouillard
WO2018146399A1 (fr) Procédé de traitement d&#39;images pour la détection d&#39;un objet le long d&#39;une route
EP2050644B1 (fr) Procédés de mesure de la distance de visibilité d&#39;un conducteur de véhicule automobile et de calcul d&#39;une consigne de vitesse du véhicule, et systèmes pour leur mise en oeuvre
EP3417398B1 (fr) Dispositif et procédé d&#39;estimation du niveau d&#39;attention d&#39;un conducteur d&#39;un véhicule
FR3047589A1 (fr) Procede et dispositif d&#39;estimation de la position laterale d&#39;un vehicule dans une voie de circulation
WO2019162238A1 (fr) Dispositif et procédé d&#39;aide à la conduite d&#39;un véhicule automobile
FR3052581B1 (fr) Procede de realisation d&#39;une carte de profondeurs a partir d&#39;images successives d&#39;une camera unique (mono) embarquee dans un vehicule automobile
FR3051056B1 (fr) Dispositif et procede de determination de position d’un vehicule, et dispositif d’aide a la conduite comprenant un tel dispositif de determination de position
FR2938228A1 (fr) Procede de mesure de distance au moyen d&#39;une camera embarquee dans un vehicule automobile
FR3034555A1 (fr) Procede de determination du sens du mouvement d&#39;un vehicule automobile
WO2017216465A1 (fr) Procédé et dispositif de traitement d&#39;images acquises par une caméra d&#39;un véhicule automobile
EP3847417A1 (fr) Procédé de détection de faux positifs d&#39;un dispositif de traitement d&#39;image d&#39;une caméra
FR3043978A1 (fr) Procede et systeme d&#39;assistance au maintien d&#39;une trajectoire d&#39;un vehicule automobile lors d&#39;un depassement
FR3069689B1 (fr) Procede d&#39;estimation du mouvement d&#39;un point dans une sequence d&#39;images
EP3167406B1 (fr) Estimation de la distance de visibilite meteorologique
FR3078183A1 (fr) Procede de detection d&#39;un objet a partir d&#39;une camera embarquee dans un vehicule automobile
FR3143517A1 (fr) Procédé et dispositif de contrôle d’un système de régulation de vitesse adaptatif d’un véhicule autonome par un mode corridor.
WO2011010021A1 (fr) Procede de releve d&#39;informations relatives a des panneaux de signalisation verticale, dispositif associe et application
FR3129238A1 (fr) Méthodes et systèmes de vérification du nombre de voies de circulation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18712936

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18712936

Country of ref document: EP

Kind code of ref document: A1